Video‐based gravel transport measurements with a flume mounted light table
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The study of bedload transport processes is constrained by an inability to monitor the mass, volume and grain size distribution of sediment in transport at high temporal frequencies. Building upon a previously published design, we have integrated a high‐resolution (1392 × 1024 pixels) video camera with a light table to continuously capture images of 2–181 mm material exiting a flume. The images are continuously recorded at a rate of 15 to 20 frames per second and are post‐processed using LabView (™) software, yielding continuous grain‐size‐specific transport information on a per second basis. The video capture rate is sufficient to record multiple images of each grain leaving the flume so that particle velocities can be measured automatically. No manual image processing is required. After calibration the method is accurate and precise for sediment in the 2 mm through to 45 mm grain size classes compared with other means of measuring bedload. Based on a set of validation samples, no statistically significant difference existed between the D 10 , D 16 , D 25 , D 50 , D 75 , D 84 , D 90 and D 95 determined by sieving captured samples and the D i values determined with the system. On average the system overpredicted transport by 4 per cent ( n = 206, SD = 42%). This error can be corrected easily by simply weighing the mass of sediment that leaves the flume. The technology is relatively inexpensive and provides high‐resolution data on coarse sediment transport out of a flume. Copyright © 2008 John Wiley & Sons, Ltd.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle